guada8a/ihc-accesibility

Práctica IHC: Paradigmas de Interacción

Reconocimiento de voz || Speech Recognition

• El código funciona con el webkit Speech Recognition

• Acepta los siguientes comandos para moverse

• Mostrará el comando ingresado en este apartado:

  • 
  • En caso de ser érroneo mostrará:
    • 

• Los comandos se irán guardando en formato de lista dejando en primer lugar al último comando dicho por el usuario:

  • 

Reconocimiento gestual || python

Usa la misma interfaz de arriba pero ahora con el uso del lenguaje python

Librerías

import cv2
import numpy as np
import pygame
import sys

• En caso de no tenerlas usar:

cv2

pip install opencv-python

numpy

pip install numpy

pygame

pip install pygame

Variables de entorno

# Configuración de la pantalla
SCREEN_WIDTH = 300
SCREEN_HEIGHT = 300
GRID_SIZE = 3
CELL_SIZE = SCREEN_WIDTH // GRID_SIZE
BALL_RADIUS = CELL_SIZE // 2

# Colores
WHITE = (255, 255, 255)
BLACK = (0, 0, 0)
RED = (255, 0, 0)

Función que dibuja la cuadrícula y el círculo

def draw_grid_and_ball():
    screen.fill(WHITE)

    for x in range(GRID_SIZE):
        for y in range(GRID_SIZE):
            pygame.draw.rect(screen, BLACK, (x * CELL_SIZE, y * CELL_SIZE, CELL_SIZE, CELL_SIZE), 1)

    pygame.draw.circle(screen, RED, (ball_x * CELL_SIZE + CELL_SIZE // 2, ball_y * CELL_SIZE + CELL_SIZE // 2), BALL_RADIUS)

Clasificador de Rostros de OpenCV

face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')

Ciclo de ejecución

while True:
    ret, frame = cap.read()
    if not ret:
        break

    # Voltear el fotograma horizontalmente para que sea como un espejo
    frame = cv2.flip(frame, 1)

    # Obtener el tamaño del fotograma
    frame_height, frame_width, _ = frame.shape

    # Dibujar la cuadrícula y la pelota en Pygame
    draw_grid_and_ball()

    # Mostrar la pantalla de Pygame
    pygame.display.flip()

    # Convertir el fotograma a escala de grises para la detección de rostros
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # Detectar rostros en el fotograma
    faces = face_cascade.detectMultiScale(gray, scaleFactor=1.3, minNeighbors=5, minSize=(30, 30))

    if len(faces) > 0:
        # Tomar la posición del primer rostro detectado
        (x, y, w, h) = faces[0]

        # Calcular la posición del centro del rostro
        face_center_x = x + w // 2
        face_center_y = y + h // 2

        # Actualizar la posición de la pelota en función del centro del rostro
        ball_x = int((face_center_x / frame_width) * GRID_SIZE)
        ball_y = int((face_center_y / frame_height) * GRID_SIZE)

    # Mostrar el fotograma de la cámara con la detección de rostro
    cv2.imshow("Face Detection", frame)

    # Salir del bucle si se presiona la tecla 'q'
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break